python怎么解析xml

這篇文章主要介紹了python怎么解析xml的相關知識，內容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇python怎么解析xml文章都會有所收獲，下面我們一起來看看吧。

介紹

lxml庫是一個python的xml解析庫，它支持HTML和xml的解析，并且支持Xpath解析方式。相比于原生的xml解析而言，lxml的接下效率相當高。

Xpath是一門在xml文檔中查找信息的語言，雖然它最早是用來搜尋XML文檔的，但它也可以用于查找html語言。它的選擇功能十分強大，提供了非常簡單明了的路徑選擇表達式，另外他還提供了超過100個內建函數用于數據處理。

安裝

使用pip進行安裝即可，對應的pip命令如下：

pip install lxml

使用

一、讀取文本解析節點

from lxml import etree

text='''
<div>
    <ul>
         <li class="item-0"><a href="link1.html">第一個</a></li>
         <li class="item-1"><a href="link2.html">second item</a></li>
         <li class="item-0"><a href="link5.html">a屬性</a>
     </ul>
 </div>
'''
html=etree.HTML(text) #初始化生成一個XPath解析對象
result=etree.tostring(html,encoding='utf-8')   #解析對象輸出代碼
print(type(html))
print(type(result))
print(result.decode('utf-8'))

 etree會修復缺少的HTML文本節點，所以打印結果是有補全html標簽的。

二、讀取HTML文件進行解析

from lxml import etree

html=etree.parse('test.html',etree.HTMLParser()) #指定解析器HTMLParser會根據文件修復HTML文件中缺失的如聲明信息
result=etree.tostring(html)   #解析成字節
#result=etree.tostringlist(html) #解析成列表
print(type(html))
print(type(result))
print(result)

三、獲取所有節點

from lxml import etree

html=etree.parse('test',etree.HTMLParser())
result=html.xpath('//*')  #//代表獲取子孫節點，*代表獲取所有

print(type(html))
print(type(result))
print(result)

 返回一個列表，每個元素都是Element類型，所有的節點都包含在其中。

如需獲取li節點，可以在//后面加上節點名稱，然后調用Xpath方法。

四、文本獲取

from lxml import etree

text='''
<div>
    <ul>
         <li class="item-0"><a href="link1.html">第一個</a></li>
         <li class="item-1"><a href="link2.html">second item</a></li>
     </ul>
 </div>
'''

html=etree.HTML(text,etree.HTMLParser())
result=html.xpath('//li[@class="item-1"]/a/text()') #獲取a節點下的內容
result1=html.xpath('//li[@class="item-1"]//text()') #獲取li下所有子孫節點的內容

print(result)
print(result1)

 通過Xpath的text()方法，我們可以獲取節點中的文本。

五、屬性獲取

通過@符號即可獲取節點的屬性，比如下面代碼的獲取a標簽的href屬性：

result=html.xpath('//li/a/@href')  #獲取a的href屬性
result=html.xpath('//li//@href')   #獲取所有li子孫節點的href屬性

六、按序選擇

我們進行選擇的時候有時候會匹配多個節點，但我們只需要其中的一個，這時候我們就可以通過引入索引的方法（中括號內加索引值）獲取特定次序的節點：

from lxml import etree

text1='''
<div>
    <ul>
         <li class="aaa" name="item"><a href="link1.html">第一個</a></li>
         <li class="aaa" name="item"><a href="link1.html">第二個</a></li>
         <li class="aaa" name="item"><a href="link1.html">第三個</a></li>
         <li class="aaa" name="item"><a href="link1.html">第四個</a></li> 
     </ul>
 </div>
'''

html=etree.HTML(text1,etree.HTMLParser())

result=html.xpath('//li[contains(@class,"aaa")]/a/text()') #獲取所有li節點下a節點的內容
result1=html.xpath('//li[1][contains(@class,"aaa")]/a/text()') #獲取第一個
result2=html.xpath('//li[last()][contains(@class,"aaa")]/a/text()') #獲取最后一個
result3=html.xpath('//li[position()>2 and position()<4][contains(@class,"aaa")]/a/text()') #獲取定位值大于3且小于4的節點（也就是獲取第三個）
result4=html.xpath('//li[last()-2][contains(@class,"aaa")]/a/text()') #獲取倒數第三個


print(result)
print(result1)
print(result2)
print(result3)
print(result4)

關于“python怎么解析xml”這篇文章的內容就介紹到這里，感謝各位的閱讀！相信大家對“python怎么解析xml”知識都有一定的了解，大家如果還想學習更多知識，歡迎關注億速云行業資訊頻道。